Python这些年风头一直很盛，占据了很多领域的位置，Web、大数据、人工智能、运维均有它的身影，甚至图形界面做的也很顺，乃至full-stack这个词语刚出来的时候，似乎就是为了描述它。
Python虽有GIL的问题导致多线程无法充分利用多核，但后来的multiprocess可以从多进程的角度来利用多核，甚至affinity可以绑定具体的CPU核，这个问题也算得到解决。虽基本为全栈语言，但有的时候为了效率，可能还是会去考虑和C语言混编。
混编是计算机里一个不可回避的话题，涉及的东西很多，技术、架构、团队情况、管理、客户等各个环节可能对其都有影响，混编这个问题我想到时候再开一贴专门讨论。本文只讲python和C混编的方式，大致有如下几种方式（本文背景是linux，其他平台可以类比）：
共享库
使用C语言编译产生共享库，然后python使用ctype库里的cdll来打开共享库。
举例如下，C语言代码为
/*func.c*/intfunc(inta){returna*a;}python代码为
#!/usr/bin/envpython#test_so.pyfromctypesimportcdllimportosp=os.getcwd()+/libfunc.sof=cdll.LoadLibrary(p)printf.func(99)测试如下：
$gcc-fPIC-sharedfunc.c-olibfunc.so$./test_so.py9801subprocess
C语言设计一个完整的可执行文件，然后python通过subprocess来执行该可执行文件，本质上是fork+execve。
举例如下，C语言代码为
/*test.c*/#includeintfunc(inta){returna*a;}intmain(intargc,char**argv){intx;sscanf(argv[1],"%d",printf("%d",func(x));return0;}Python代码为
#!/usr/bin/envpython#test_subprocess.pyimportosimportsubprocesssubprocess.call([os.getcwd()+/a.out,99])测试如下：
$gcctest.c-oa.out$./test_subprocess.py9801C语言中运行python程序
C语言使用popen/system或者直接以系统调用级fork+exec来运行python程序也是一种混编的手段了。
举例如下，Python代码如下：
#!/usr/bin/envpython#test.pyimportsysx=int(sys.argv[1])printx*xC语言代码如下：
/*test.c*/#include#includeintmain(){FILE*f;chars[1024];intret;f=popen("./test.py99","r");while((ret=fread(s,1,1024,f))>0){fwrite(s,1,ret,stdout);}fclose(f);return0;}测试如下：
$gcctest.c$./a.out9801python对C语言扩展的支持
很多编程语言都为C语言扩展添加了支持，这有两种原因：
（1）语言设计之初，可以充分的利用C语言已有的库来做很多扩展；
（2）C语言的运行效率高。
python也不例外，从诞生那天起，很多库都是C语言写的。python的C语言扩展中涉及到python的数据结构与C语言的对应，扩展方法其实是用C语言编写一个共享库，只是这个共享库中的接口是一个规范的，可以被python识别的。
为了说明如何扩展，我这里先假设一个在python下的函数功能，代码如下：
deffunc(*a):res=1foriinrange(len(a)):res*=sum(a[i])returnres如上，希望的函数功能是，参数是任意多个数字组成的列表（姑且排除其他数据结构），返回每个列表的元素之和的乘积。
姑且先把python代码写了，如下所示：
#!/usr/bin/envpython#test.pyimportcolindeffunc(*a):res=1foriinrange(len(a)):res*=sum(a[i])returnresa=[1,2,3]b=[4,5,6]c=[7,8]d=[9]e=[10,11,12,13,14]f=colin.func2(99)g=colin.func3(a,b,c,d,e)h=func3(a,b,c,d,e)print"f=",fprint"g=",gprint"h=",h带上之前一直测试的平方func，这个实现相对简单，希望python写出来的func可以和C语言扩展出来的结果一致。
先用C语言写上这些函数的实现，其中func3用上了一个表示任意多个任意长的数组的数据结构y_t,而x_t用来表示单个数组。
/*colin.h*/#ifndefColin_h#defineColin_htypedefstruct{int*a;intlen;}x_t;typedefstruct{x_t*ax;intlen;}y_t;intfunc2(inta);intfunc3(y_t*p);voidfree_y_t(y_t*p);#endif/*colin.c*/#include"colin.h"#includeintfunc2(inta){returna*a;}intfunc3(y_t*p){intresult;intsum;inti,j;result=1;for(i=0;ilen;i++){sum=0;for(j=0;jax[i].len;j++)sum+=p->ax[i].a[j];result*=sum;}returnresult;}voidfree_y_t(y_t*p){inti;for(i=0;ilen;i++){free(p->ax[i].a);}free(p->ax);}上面定义了三个函数，func2代表平方，func3代表之前所说的功能，又因y_t这个结构可能都是动态分配出来的，所以给个归还内存的方法。
刚才说过python扩展的话，需要把这个共享库的接口“标准化”一下。于是我们就包装一下，并给个python加载的入口。
/*wrap.c*/#include#include#include"colin.h"PyObject*wrap_func2(PyObject*self,PyObject*args){intn,result;/*从参数列表中导出一个整形，用"i"*/if(!PyArg_ParseTuple(args,"i",/*用C语言的库实现来计算*/result=func2(n);/*计算结果必须要导成python识别的类型*/returnPy_BuildValue("i",result);}PyObject*wrap_func3(PyObject*self,PyObject*args){intn,result;inti,j;intsize,size2;PyObject*p,*q;y_t*y;y=malloc(sizeof(y_t));/*先数数有多少个参数，也就是列表的个数*/size=PyTuple_Size(args);/*把数组的个数先分配了*/y->len=size;y->ax=malloc(sizeof(x_t)*size);/*遍历python里各个列表(参数)*/for(i=0;iax[i].len=size2;y->ax[i].a=malloc(sizeof(int)*size2);/*遍历列表，依次把列表里的数转到数组里*/for(j=0;jax[i].a[j]);}}/*用C语言的库实现来计算*/result=func3(y);free_y_t(y);free(y);/*结果转成python识别格式*/returnPy_BuildValue("i",result);}/*这是接口列表，加载时是只加载此列表的地址，所以这个数据结构不能放栈（局部变量）内，会被清掉*/staticPyMethodDefcolinMethods[]={{"func2",wrap_func2,METH_VARARGS,"Justatest"},{"func3",wrap_func3,METH_VARARGS,"Justatest"},{NULL,NULL,METH_NOARGS,NULL}};/*python加载的时候的接口*//*注意，既然库名叫colin,此函数必须交initcolin*/voidinitcolin(){PyObject*m;m=Py_InitModule("colin",colinMethods);}过程中，我猜测PyArg_VaParse应该功能更为强大，可是反复测没有成功，也没细看文档。
测试一下
$gcc-I/usr/include/python2.7/-fPIC-sharedcolin.cwrap.c-ocolin.so$./test.pyf=9801g=729000h=729000可以看到，C语言写的函数和python写的函数结果一致。
众多python教程，尽在编程笔记网，欢迎在线学习！
本文转自：https://www.jianshu.com/p/9ffc1534e588
【文章原创作者：武汉网站设计 http://www.1234xp.com/wuhan.html 复制请保留原URL】